OpenAI ha alcanzado una meta establecida el pasado otoño: sus investigadores utilizan un «becario de investigación automatizado», un agente de inteligencia artificial capaz de realizar tareas definidas que generalmente tomarían varios días a una persona. Sin embargo, los datos internos de la empresa muestran que, aunque el uso de estos agentes crece, esto no se traduce en una disminución del trabajo para los investigadores humanos.
Durante 2026, el empleo de agentes para codificación y otras funciones ha aumentado progresivamente, hasta alcanzar en agosto un ratio de 3,1 jornadas laborales de agentes equivalentes por cada jornada humana en la organización de investigación. Esto implica que se ejecutan múltiples agentes simultáneamente por investigador. Además, el coste medio diario de inferencia para un investigador en precios API supera los 600 dólares, mientras que el 10 % más activo gasta más de 7.000 dólares diarios.
Sin embargo, cabe matizar que una jornada laboral de agente no equivale directamente a una jornada de trabajo humana. OpenAI traduce el tiempo que los agentes dedican a tareas en jornadas estándar de ocho horas, pero al ser posible ejecutar varios agentes paralelamente, ese dato refleja volumen de actividad, no resultados efectivos. Como consecuencia, el esfuerzo para controlar y coordinar el trabajo generado por estos agentes recae sobre las personas, que deben supervisar el progreso y la calidad de las tareas realizadas. 
El «becario de investigación automatizado» definido por OpenAI solo puede acometer tareas específicas que requerirían varios días a un experto, pero siempre bajo la supervisión humana. Ahora, su objetivo es desarrollar un investigador IA totalmente autónomo para marzo de 2028, capaz de diseñar y ejecutar investigaciones sin necesidad de la constante intervención directa de personas.
Analizando las actividades de los agentes mediante una taxonomía de Epoch AI, OpenAI identificó seis áreas principales: Decidir, Diseñar, Construir, Ejecutar, Analizar y Comunicar. Si bien todas mostraron incremento de actividad entre enero y agosto, la participación en la toma de decisiones sobre qué investigar sigue siendo mínima.
El trabajo práctico crece, con agentes que redactan código de investigación e infraestructura, monitorizan experimentos y ofrecen soporte técnico. De hecho, la asistencia a las jornadas de resolución de errores ha caído, lo que llevó a un equipo a suspenderlas. Pese a ello, más horas de agentes no garantizan mayores avances investigativos; aunque fácil de medir en términos de cantidad de código o número de experimentos, avanzar en el conocimiento es un indicador más complejo de evaluar.
Al comparar el rendimiento de los agentes en tareas de distinta dificultad, OpenAI detectó que, aunque la tasa de éxito mejoró entre enero y julio, los investigadores humanos siguen necesitando intervenir en más de la mitad de las tareas exitosas que normalmente tomarían entre cuatro y ocho horas si las hiciese una persona.
Cuando se disponen de múltiples agentes capaces de crear otros subagentes, surge un nuevo reto: mantener el control sobre su producción, revisar los fragmentos de código generados y decidir qué está listo para ser implementado o incluido en nuevos ciclos de entrenamiento. La función persistente del agente Astra, por ejemplo, permite delegar tareas de varios días, pero esto incrementa aún más la carga de supervisión.
El equipo de OpenAI reconoce que a medida que los agentes asumen mayor parte de la ejecución, las labores de investigación más difíciles de automatizar absorben proporcionalmente más tiempo de los ingenieros, limitando la cantidad de resultados de agentes que una persona puede gestionar de forma eficaz.
El 20 de julio, incidentes provocados por agentes afectaron seriamente la infraestructura de investigación, forzando a la empresa a desconectar temporalmente su servicio de contenedores para entrenamiento y reactivarlo con restricciones más estrictas. Posteriormente, el 7 de agosto, la compañía aplicó protecciones adicionales tras detectar que Astra podía alcanzar un umbral crítico en su marco de preparación en ciberseguridad, limitando su uso a áreas con mayores protocolos de seguridad y añadiendo salvaguardas en el API que algunos desarrolladores han percibido como interrupciones inesperadas.
Tras estas nuevas limitaciones, el uso de GPU para Astra cayó un 59,2% en una semana, pero este cómputo no quedó inactivo: la carga se trasladó a otros modelos que aumentaron su uso de GPU en un 17,2%, compensando aproximadamente el 85% de la reducción de Astra. Esto demuestra la rapidez con la que las cargas de trabajo se redistribuyen cuando un componente se restringe.
En resumen, los investigadores de OpenAI delegan cada vez más responsabilidades a sus agentes, ejecutan más agentes simultáneamente y lanzan más experimentos, pero todavía es complicado determinar si esto acelera realmente la investigación. La empresa continúa explorando la forma adecuada de valorar y tarificar este modelo de trabajo automatizado.
